CN110294147B - 一种空间碎片防护构型缓冲屏损伤评估方法 - Google Patents

一种空间碎片防护构型缓冲屏损伤评估方法 Download PDF

Info

Publication number
CN110294147B
CN110294147B CN201910373517.8A CN201910373517A CN110294147B CN 110294147 B CN110294147 B CN 110294147B CN 201910373517 A CN201910373517 A CN 201910373517A CN 110294147 B CN110294147 B CN 110294147B
Authority
CN
China
Prior art keywords
damage
image
information
representing
rear wall
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910373517.8A
Other languages
English (en)
Other versions
CN110294147A (zh
Inventor
黄雪刚
殷春
张昊楠
李毅
罗庆
周浩
柳森
刘春华
巩德兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ultra High Speed Aerodynamics Institute China Aerodynamics Research and Development Center
Original Assignee
Ultra High Speed Aerodynamics Institute China Aerodynamics Research and Development Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ultra High Speed Aerodynamics Institute China Aerodynamics Research and Development Center filed Critical Ultra High Speed Aerodynamics Institute China Aerodynamics Research and Development Center
Priority to CN201910373517.8A priority Critical patent/CN110294147B/zh
Publication of CN110294147A publication Critical patent/CN110294147A/zh
Application granted granted Critical
Publication of CN110294147B publication Critical patent/CN110294147B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
    • B64G1/00—Cosmonautic vehicles
    • B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
    • B64G1/52—Protection, safety or emergency devices; Survival aids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Critical Care (AREA)
  • Emergency Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种空间碎片防护构型缓冲屏损伤评估方法，通过开展Whipple防护构型的超高速撞击损伤试验，获取弹丸撞击超高速撞击缓冲屏产生的二次碎片云阴影图像序列以及碎片云撞击后墙的损伤样品；通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割，提取碎片云主要特征信息；利用红外热像仪获取加热后的后墙损伤的红外热图像序列，基于变分贝叶斯多稀疏成分提取出表面可见损伤以及表面不可见损伤，建立多稀疏模型，通过变分贝叶斯推断重构后墙损伤试件表面及亚表面的损伤信息，将不同损伤进行图像融合；最后将碎片云典型特征结构与后墙损伤特征融合图像进行一一对应，从而对缓冲屏材料的超高速撞击防护性能进行综合评价。

Description

一种空间碎片防护构型缓冲屏损伤评估方法
技术领域
本发明属于航天器空间碎片撞击防护技术领域，更为具体的讲，涉及一 种针对空间碎片超高速撞击防护结构缓冲屏产生的二次碎片云及其对后墙损 伤状态的综合评估方法。
背景技术
微流星体和地球轨道垃圾等空间碎片的超高速撞击是导致在轨航天器表 面物理损伤的主要原因之一，空间碎片超高速撞击速度通常达到每秒几公里 甚至几十公里。对于质量较大的空间碎片国际上统一进行编目和跟踪预警以 实现航天器在轨调整规避，然而对于厘米级以下的空间碎片则需要有效的被 动防护手段。因此，暴露于空间碎片环境中的各类航天器必须进行空间碎片 防护设计以及地面超高速撞击防护性能考核评估。
经典的空间碎片Whipple防护构型由具有间隔的两层铝合金薄板组成， 其中前板(也称为缓冲屏)主要作用是在超高速初始撞击过程中对空间碎片 进行有效地破碎而产生二次碎片云，通过碎片云的动能分散作用而显著减少 对后板(也称为后墙)的损伤。基于上述基本防护原理，国内外开发出了很 多用于空间碎片防护构型的新型缓冲屏材料，以增强缓冲屏对超高速空间碎 片的破碎能力，从而提高防护构型的空间碎片防护能力。为了评价这些新型 缓冲屏材料的空间碎片超高速撞击防护能力，需要结合碎片云结构特征(既 缓冲屏对弹丸的破碎形态)及其对后墙损伤状态进行综合评价。由于碎片云 特殊的结构特征造成了后墙会出现多种不同的损伤模式，既包括表面可见的 撞击坑、穿孔等，也包括表面不可见的内部层裂、背面剥落等损伤模式，它 们可能同时存在也可能部分存在，因此对其进行损伤评价具有很大难度。
目前针对航天器防护结构的不同缓冲屏材料防护性能进行评估，主要是 依靠多次超高速撞击试验以测得防护结构后墙发生可见穿孔损伤时的临界弹 丸直径。上述损伤评价方法需要开展不同撞击参数下的大量超高速撞击试验， 不仅试验测试成本较高，而且受人为主观因素影响较大。更为关键的是，上 述损伤评估方法仅仅依靠观察后墙是否发生穿孔损伤，忽略了其它的碎片云 撞击后墙损伤特征，没有将后墙的类型损伤、损伤程度与碎片云特征结合起 来，从而也无法对不同缓冲屏材料的空间碎片超高速撞击损伤进行准确评估， 因此需要发展针对碎片云超高速撞击损伤的具有较高可视化和自动化程度的 综合评估技术。为此，本发明基于均值漂移算法对碎片云图像进行处理，基 于变分贝叶斯多稀疏成分提取碎片云撞击后墙的多类型损伤特征图像，结合 碎片云结构特征与后墙多损伤融合图像综合评估不同缓冲屏材料防护构型的 超高速撞击损伤行为。
发明内容
本发明的目的在于克服现有防护构型性能评估技术的不足，提出一种基 于碎片云结构特征及其对后墙损伤图像的超高速撞击损伤评估方法，具有合 理性强，结果更加准确，可视化效果好等优点。
为了实现根据本发明的这些目的和其它优点，提供了一种空间碎片防护 构型缓冲屏损伤评估方法，包括以下步骤：
步骤一、将待评估缓冲屏材料前板与航天用铝合金后墙板组成Whipple 防护构型；利用超高速弹道靶设备发射铝合金弹丸超高速撞击Whipple防护 构型，用于模拟空间碎片超高速撞击防护构型过程，铝合金弹丸直径与缓冲 屏厚度基本相当；
步骤二、利用多站光电探测器测得铝合金弹丸撞击速度，利用超高速序 列激光阴影成像设备记录铝合金弹丸超高速撞击缓冲屏产生的二次碎片云阴 影图像序列；同时获取碎片云撞击后墙的损伤样品；
步骤三、通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割， 以消除噪声干扰，提取碎片云主要特征信息；
步骤四、通过对后墙损伤样品进行主动加热，并利用红外热像仪获取后 墙损伤的红外热图像序列，基于变分贝叶斯多稀疏成分提取出表面可见损伤 以及表面不可见损伤，通过建立多稀疏模型，并通过变分贝叶斯推断重构后 墙损伤试件表面及亚表面的损伤信息，通过图像平滑和分割算法去除图像中 与损伤无关的信息，并将不同损伤进行图像融合；
步骤五、将碎片云典型特征结构与后墙损伤特征融合图像进行一一对应， 从而对不同缓冲屏材料的超高速撞击防护性能进行综合评价。
优选的是，所述步骤一中，缓冲屏厚度与铝合金后墙厚度为毫米级。
优选的是，所述步骤三中，通过均值漂移算法对碎片云序列激光阴影图 像进行平滑和分割的过程包括以下步骤：
步骤Ⅰ、k＝1时，将碎片云图像通过S＝(ss,sc)表示，其中ss表示像素点的 空域二维坐标信息，sc表示像素点值域的颜色信息。初始化空间窗口大小hs和 颜色窗口大小hc，其二者表示邻域的大小；终止条件ε；
Figure BDA0002050834030000031
i＝1,2,...,K， K表示像素点数目；初始化区域最小像素点数M；
步骤Ⅱ、更新每个像素点的幅值：
Figure BDA0002050834030000032
其中
Figure BDA0002050834030000033
表示核函数，C为归一化常数；
步骤Ⅲ、当
Figure BDA0002050834030000034
时，使得
Figure BDA0002050834030000035
Z中包含平滑后图像 的空间信息及颜色信息；否则k＝k+1，返回步骤Ⅱ；
步骤Ⅳ、将满足
Figure BDA0002050834030000036
的像素点合并在一起，其中， Z＝(zs,zc)；并对其进行编号使得像素点被分为Q类，其中每一类的编号为 Classq，q＝1,2,...,Q；统计每一类中像素点个数为
Figure BDA0002050834030000037
如果
Figure BDA0002050834030000038
则将 其与邻域合并，最终得到Q'类像素点；
求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：
Figure BDA0002050834030000039
表示分割后所得图像的第i 个像素点幅值。
优选的是，所述步骤四包括以下过程：
步骤1、将碎片云撞击后墙得到的损伤样品进行主动激励加热，利用红 外热像仪记录后墙损伤样品的红外热图像视频流；将待检测视频流通过矩阵 块
Figure BDA0002050834030000041
表示，其中NI×NJ表示空间信息，NT表示时间信息；通过向量 算子Ve将矩阵块转换为二维矩阵
Figure BDA0002050834030000042
NIJ＝NI×NJ；即：
Figure BDA0002050834030000043
为了重构不同的损伤信息，将视频流写为：
Figure BDA0002050834030000044
其中
Figure BDA0002050834030000045
表示表面损伤，亚表面损伤和非 损伤区域的主要特征，IF(tF)，IB(tB)，IN(tN)表示特征矩阵的列向量，
Figure BDA0002050834030000046
和
Figure BDA0002050834030000047
分别表示不同区域的混合系数矩阵； λF(tF)，λB(tB)，λN(tN)表示行向量；如果将它们写为矩阵的形式，B为一个低 秩矩阵；DF和DB分别表示前侧与背侧损伤信息矩阵，由于损伤在试件中仅仅 占很小一部分，因此表现为稀疏性；N表示在损伤检测中噪声信息；
步骤2、为了能够同时得到后墙前表面损伤信息DF和背面损伤信息DB， 采用变分贝叶斯推断对步骤1中模型进行求解；其过程包括：
步骤2.1、h＝1时，初始化矩阵Xh和Yh中每一列元素
Figure BDA0002050834030000048
和
Figure BDA0002050834030000049
分别服从均 值为零，方差为σj -1的高斯分布，而且存在：
Figure BDA00020508340300000410
Figure BDA00020508340300000411
服从Gamma分布，
Figure BDA00020508340300000412
u和v都是超参数；
Figure BDA00020508340300000413
和
Figure BDA00020508340300000414
中每个元素
Figure BDA00020508340300000415
和
Figure BDA00020508340300000416
分别独立同分布于均值为零，方差分别为
Figure BDA00020508340300000417
和
Figure BDA00020508340300000418
的高斯分布；其中，
Figure BDA00020508340300000419
和
Figure BDA00020508340300000420
分别服从Jeffrey’s先验：
Figure BDA00020508340300000421
Nh为高斯白噪 声，其服从均值为零，方差为ηh的高斯分布，其中ηh服从Jeffrey’s先验：
Figure BDA00020508340300000422
设置最大迭代次数为H；
步骤2.2、通过如下公式迭代每个参数的值(h＝h+1)：
Figure BDA00020508340300000423
Figure BDA00020508340300000424
Figure BDA00020508340300000425
Figure BDA00020508340300000426
Figure BDA0002050834030000051
Figure BDA0002050834030000052
Figure BDA0002050834030000053
Figure BDA0002050834030000054
其中，<·>表示期望；
Figure BDA0002050834030000055
分别表示矩阵Xh，Yh的第i行和第j行；
Figure BDA0002050834030000056
分别为矩阵Xh，Yh的协方 差矩阵；
Figure BDA0002050834030000057
Figure BDA0002050834030000058
分别表示前表面损伤信息矩阵
Figure BDA0002050834030000059
和背面 损伤信息矩阵
Figure BDA00020508340300000510
的协方差矩阵；
步骤2.3、h＝h+1，当h≤H时，返回步骤2.2；否则，得到最终的低秩矩 阵
Figure BDA00020508340300000511
和
Figure BDA00020508340300000512
将
Figure BDA00020508340300000513
和
Figure BDA00020508340300000514
中每一列表示为各自区域的损 伤图像，选择对比度最强烈的图像得到前表面和背面损伤情况图像
Figure BDA00020508340300000515
和
Figure BDA00020508340300000516
步骤3、其包括以下过程：
3.1、k＝1时，通过S＝(ss，sc)表示SF和SB中的任意一个图像，其中ss表示 像素点的空域二维坐标信息，sc表示像素点的颜色信息，因为本文中处理图 像为彩色图像，因此有三个通道；初始化空间窗口大小hs和颜色窗口大小hc， 其二者表示邻域的大小；终止条件ε。
Figure BDA00020508340300000517
i＝1,2,...,NIJ；初始化区域最小 像素点数M；
3.2、更新每个像素点的幅值：
Figure BDA00020508340300000518
其中
Figure BDA0002050834030000061
表示核函数，C为归一化常数；
3.3、当
Figure BDA0002050834030000062
时，使得
Figure BDA0002050834030000063
Z中包含平滑后图像的 空间信息及颜色信息。否则k＝k+1，返回步骤2.2；直到所有像素点都计算完 成；
3.4、将满足||jzs-izs||＜hs，||jzc-izc||＜hc，i,j＝1,2,...,NIJ的像素点合并在一 起，并对其进行编号使得像素点被分为Q类，其中每一类的编号为Cq， q＝1,2,...,Q。统计每一类中像素点个数为
Figure BDA0002050834030000064
如果
Figure BDA0002050834030000065
则将其与邻域 合并，最终得到Q'类像素点；
3.5、求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：
Figure BDA0002050834030000066
表示分割后所得图像的第i个像素 点幅值；最终得到分割后图像
Figure BDA0002050834030000067
步骤4、具体包括：
4.1、t＝1时，初始化低频子带
Figure BDA0002050834030000068
低通滤波器fl，高通滤 波器fh；最大变换次数T；
4.2、对图像进行行变换，
Figure BDA0002050834030000069
Figure BDA00020508340300000610
其中
Figure BDA00020508340300000611
进而存 在行变换后的图像:
Figure BDA00020508340300000612
对
Figure BDA00020508340300000613
和
Figure BDA00020508340300000614
进行 列下采样，得到
Figure BDA00020508340300000615
4.3、对图像进行列变换，
Figure BDA00020508340300000616
Figure BDA00020508340300000617
其中，
Figure BDA00020508340300000618
进而得到变换后的图像：
Figure BDA00020508340300000619
分别对
Figure BDA00020508340300000620
进行列下采样，得到
Figure BDA00020508340300000621
二者中分别包含了一部分低频子带
Figure BDA00020508340300000622
和三部分高频子带
Figure BDA00020508340300000623
4.4、t＝t+1，直到t＞T，否则返回步骤4.2；
4.5、tt＝T时，初始化
Figure BDA00020508340300000624
lRtt表示融合后的低频子带，a 和b表示融合系数，满足a+b＝1；
4.6、
Figure BDA0002050834030000071
hRtt表示融合后的高频子带，lRtt和hRtt组成图像
Figure BDA0002050834030000072
4.7、对Rtt的行进行上采样得到
Figure BDA0002050834030000073
然后对其列进行变换
Figure BDA0002050834030000074
Figure BDA0002050834030000075
最终得到图像
Figure BDA0002050834030000076
其中
Figure BDA0002050834030000077
和
Figure BDA0002050834030000078
表示逆变换；相同的，对
Figure BDA0002050834030000079
的列进行上采样得到
Figure BDA00020508340300000710
然后对其行进行变换
Figure BDA00020508340300000711
Figure BDA00020508340300000712
最终由
Figure BDA00020508340300000713
得到图像lRtt-1；
4.8、tt＝tt-1，直到tt＜1时，得到最终融合图像R＝lR0；否则，返回步骤 4.6；
优选的是，所述步骤五中的过程为：根据最终得到的碎片云撞击后墙多 类型损伤的红外融合图像，可以同时分辨出后墙中心穿孔、中心层裂剥离区 域、中心密集撞击坑区域、外围散布撞击坑区域等，测量出上述典型损伤的 位置和尺寸，并将其与前述碎片云结构特征和运动轨迹进行分析，就可以将 碎片云特征及其对后墙不同的撞击损伤模式一一对应，从而对不同缓冲屏材 料的超高速撞击防护性能进行综合评价。
本发明至少包括以下有益效果：
(1)、本发明将数学模型与碎片云超高速撞击后墙损伤特性结合在一起， 不仅能够重构后墙表面损伤，更甚至能重构后墙的亚表面损伤，如图2所示；
(2)、本发明提出了对于超高速撞击损伤检测的整体算法框架，其中包 括：后墙表面损伤和亚表面损伤信息的重构；平滑和分割来去除非损伤噪声； 图像融合实现多种碎片云撞击损伤的可视化准确描述。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将 通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明：
图1是本发明红外视频流组成说明；
图2是超高速撞击损伤的示意图；
图3是防护结构示意图；
图4是解模型所获得损伤图像；
图5是亚表面损伤平滑分割后图像；
图6是融合后损伤结果图。
具体实施方式：
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照 说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一 个或多个其它元件或其组合的存在或添加。
实施例1：
一种空间碎片防护构型缓冲屏损伤评估方法，包括以下步骤：
步骤一、将待评估缓冲屏材料前板与航天用铝合金后墙板组成Whipple 防护构型；利用超高速弹道靶设备发射铝合金弹丸超高速撞击Whipple防护 构型，用于模拟空间碎片超高速撞击防护构型过程，铝合金弹丸直径与缓冲 屏厚度基本相当；缓冲屏厚度与铝合金后墙厚度为毫米级；
步骤二、利用多站光电探测器测得铝合金弹丸撞击速度，利用超高速序 列激光阴影成像设备记录铝合金弹丸超高速撞击缓冲屏产生的二次碎片云阴 影图像序列；同时获取碎片云撞击后墙的损伤样品；
步骤三、通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割， 以消除噪声干扰，提取碎片云主要特征信息；
步骤四、通过对后墙损伤样品进行主动加热，并利用红外热像仪获取后 墙损伤的红外热图像序列，基于变分贝叶斯多稀疏成分提取出表面可见损伤 以及表面不可见损伤，通过建立多稀疏模型，并通过变分贝叶斯推断重构后 墙损伤试件表面及亚表面的损伤信息，通过图像平滑和分割算法去除图像中 与损伤无关的信息，并将不同损伤进行图像融合；
步骤五、根据最终得到的碎片云撞击后墙多类型损伤的红外融合图像， 可以同时分辨出后墙中心穿孔、中心层裂剥离区域、中心密集撞击坑区域、 外围散布撞击坑区域等，测量出上述典型损伤的位置和尺寸，并将其与前述 碎片云结构特征和运动轨迹进行分析，就可以将碎片云特征及其对后墙不同 的撞击损伤模式一一对应，从而对不同缓冲屏材料的超高速撞击防护性能进 行综合评价；
所述步骤三中，通过均值漂移算法对碎片云序列激光阴影图像进行平滑 和分割的过程包括以下步骤：
步骤Ⅰ、k＝1时，将碎片云图像通过S＝(ss,sc)表示，其中ss表示像素点的 空域二维坐标信息，sc表示像素点值域的颜色信息。初始化空间窗口大小hs和 颜色窗口大小hc，其二者表示邻域的大小；终止条件ε；
Figure BDA0002050834030000091
i＝1,2,...,K， K表示像素点数目；初始化区域最小像素点数M；
步骤Ⅱ、更新每个像素点的幅值：
Figure BDA0002050834030000092
其中
Figure BDA0002050834030000093
表示核函数，C为归一化常数；
步骤Ⅲ、当
Figure BDA0002050834030000094
时，使得
Figure BDA0002050834030000095
Z中包含平滑后图像 的空间信息及颜色信息；否则k＝k+1，返回步骤Ⅱ；
步骤Ⅳ、将满足
Figure BDA0002050834030000096
的像素点合并在一起，其中， Z＝(zs,zc)；并对其进行编号使得像素点被分为Q类，其中每一类的编号为 Classq，q＝1,2,...,Q；统计每一类中像素点个数为
Figure BDA0002050834030000097
如果
Figure BDA0002050834030000098
则将 其与邻域合并，最终得到Q'类像素点；
求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：
Figure BDA0002050834030000099
表示分割后所得图像的第i 个像素点幅值；
所述步骤四包括以下过程：
步骤1、将碎片云撞击后墙得到的损伤样品进行主动激励加热，利用红 外热像仪记录后墙损伤样品的红外热图像视频流；将待检测视频流通过矩阵 块
Figure BDA00020508340300000910
表示，其中NI×NJ表示空间信息，NT表示时间信息；通过向量 算子Ve将矩阵块转换为二维矩阵
Figure BDA00020508340300000911
NIJ＝NI×NJ；即：S＝[Vec(S'(1)),...,Vec(S'(NT))]，为了重构不同的损伤信息，将视频流写为：
Figure BDA0002050834030000101
其中
Figure BDA0002050834030000102
表示表面损伤，亚表面损伤和非 损伤区域的主要特征，IF(tF)，IB(tB)，IN(tN)表示特征矩阵的列向量，
Figure BDA0002050834030000103
和
Figure BDA0002050834030000104
分别表示不同区域的混合系数矩阵； λF(tF)，λB(tB)，λN(tN)表示行向量；如果将它们写为矩阵的形式，B为一个低 秩矩阵；DF和DB分别表示前侧与背侧损伤信息矩阵，由于损伤在试件中仅仅 占很小一部分，因此表现为稀疏性；N表示在损伤检测中噪声信息；
步骤2、为了能够同时得到后墙前表面损伤信息DF和背面损伤信息DB， 采用变分贝叶斯推断对步骤1中模型进行求解；其过程包括：
步骤2.1、采用奇异值分解将矩阵B分解为：B＝XYT,且X和Y分别服从均值为 零，方差为σj -1的高斯分布，σj -1服从Gamma分布，
Figure RE-GDA0002155638960000105
u和v都是超参数；DF和DB中每个元素 分别独立同分布于均值为零，方差分别为αij和βij的高斯分布，其中，其中αij和βij假设其分别服从Jeffrey’s先验：p(αij)＝(αij)-1，p(βij)＝(βij)-1；N为高斯 白噪声，其服从均值为零，方差为η的高斯分布，其中η服从Jeffrey’s先验： p(η)＝η-1；
步骤2.2、利用变分贝叶斯推断对模型进行求解，得到：
Figure BDA0002050834030000106
Figure BDA0002050834030000107
Figure BDA0002050834030000108
Figure BDA0002050834030000109
Figure BDA00020508340300001010
Figure BDA00020508340300001011
Figure BDA0002050834030000111
Figure BDA0002050834030000112
其中，
ΣX＝(<η><YTY>+γ)-1，ΣY＝(<η><XTX>+γ)-1，
Figure BDA00020508340300001110
Figure BDA0002050834030000114
初始化矩阵X，Y，DF和DB，矩阵参数σj -1，αij，βij和η，超参u和v，设置迭代次数为H， 通过上述公式进行迭代，最终通过低秩矩阵DF和DB分别得到前侧和背侧损伤 情况图像SF和SB；
步骤3、其包括以下过程：
3.1、k＝1时，通过S＝(ss,sc)表示SF和SB中的任意一个图像，其中ss表示 像素点的空域二维坐标信息，sc表示像素点的颜色信息，因为本文中处理图 像为彩色图像，因此有三个通道；初始化空间窗口大小hs和颜色窗口大小hc， 其二者表示邻域的大小；终止条件ε。
Figure BDA0002050834030000115
i＝1,2,...,NIJ；初始化区域最小 像素点数M；
3.2、更新每个像素点的幅值：
Figure BDA0002050834030000116
其中
Figure BDA0002050834030000117
表示核函数，C为归一化常数；
3.3、当
Figure BDA0002050834030000118
时，使得
Figure BDA0002050834030000119
Z中包含平滑后图像的 空间信息及颜色信息。否则k＝k+1，返回步骤2.2；直到所有像素点都计算完 成；
3.4、将满足||jzs-izs||＜hs，||jzc-izc||＜hc，i,j＝1,2,...,NIJ的像素点合并在一 起，并对其进行编号使得像素点被分为Q类，其中每一类的编号为Cq，q＝1,2,...,Q。统计每一类中像素点个数为
Figure BDA0002050834030000121
如果
Figure BDA0002050834030000122
则将其与邻域 合并，最终得到Q'类像素点；
3.5、求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：
Figure BDA0002050834030000123
表示分割后所得图像的第i个像素 点幅值；最终得到分割后图像
Figure BDA0002050834030000124
步骤4、具体包括：
4.1、t＝1时，初始化低频子带
Figure BDA0002050834030000125
低通滤波器fl，高通滤 波器fh；最大变换次数T；
4.2、对图像进行行变换，
Figure BDA0002050834030000126
Figure BDA0002050834030000127
进而存在行变换后的图 像:
Figure BDA0002050834030000128
对
Figure BDA0002050834030000129
和
Figure BDA00020508340300001210
进行列下采样，得到
Figure BDA00020508340300001211
4.3、对图像进行列变换，
Figure BDA00020508340300001212
Figure BDA00020508340300001213
进而得到变换后的图像：
Figure BDA00020508340300001214
分别对
Figure BDA00020508340300001215
进行列下采样，得到
Figure BDA00020508340300001216
二者中分别包含了一部分低频子带
Figure BDA00020508340300001217
Figure BDA00020508340300001218
和三部分高频子带
Figure BDA00020508340300001219
4.4、t＝t+1，直到t＞T，否则返回步骤4.2；
4.5、tt＝T时，初始化
Figure BDA00020508340300001220
lRtt表示融合后的低频子带，a 和b表示融合系数，满足a+b＝1；
4.6、
Figure BDA00020508340300001221
hRtt表示融合后的高频子带，lRtt和hRtt组成图像 Rtt；
4.7、对Rtt的行进行上采样得到
Figure BDA00020508340300001222
然后对其列进行变换
Figure BDA00020508340300001223
Figure BDA00020508340300001224
最终得到图像
Figure BDA00020508340300001225
其中
Figure BDA00020508340300001226
和
Figure BDA00020508340300001227
表示逆变换；相同的，对
Figure BDA00020508340300001228
的列进行上采样得到
Figure BDA00020508340300001229
然后对其行进行变换
Figure BDA00020508340300001230
Figure BDA00020508340300001231
最终由
Figure BDA00020508340300001232
得到图像lRtt-1；
4.8、tt＝tt-1，直到tt＜1时，得到最终融合图像R＝lR0；否则，返回步骤 4.6。
实验仿真
为了能够更好提取碎片撞击后墙试件的损伤信息，本实施例针对图3所 示的Whipple防护结构后墙试件进行损伤检测。采用本发明中描述的首先运 用变分贝叶斯求解模型参数，之后运用均值漂移算法对去除图像噪声信息， 最终运用基于多尺度变换的图像融合算法实现对试件损伤的准确描述。
下面利用本发明所述方法对试件进行计算分析。
本发明所述方法首先采集试件的原始数据序列，采集时间是8秒，得到 S'∈R512 ×640×544的矩阵块，如图1所示，其中包含了不同损伤信息。之后运用向 量算子将其转化为二维矩阵。然后设置变分贝叶斯的最大迭代次数为100次， 超参数u和v都为10-6，然后重构得到稀疏的表面损伤图像和亚表面损伤图像 如图4所示。
通过均值漂移算法对所得图像进行平滑和分割，其中空间窗口大小hs＝6， 颜色窗口大小hc＝6，核函数为高斯核函数：g(||x||)＝exp(-||x||2/2)。区域最小像素 点数M＝9，终止条件ε＝0.01。处理后的亚表面图像如图5所示。可以看到源 图像中左上角和左下角噪声信息已被去除。
运用多尺度图像融合的方式对表面和亚表面损伤信息进行融合，设置低 通和高通滤波器fl＝[1,1]，fl＝[1,-1]，变换次数T＝2。融合后的图像如图6所 示。可以看出该图像能够清楚地描述当前待检测试件的损伤情况。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方 式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领 域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范 围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图 例。

Claims (5)

1.一种空间碎片防护构型缓冲屏损伤评估方法，其特征在于，包括以下步骤：
步骤一、将待评估缓冲屏材料前板与航天用铝合金后墙板组成Whipple防护构型；利用超高速弹道靶设备发射铝合金弹丸超高速撞击Whipple防护构型，用于模拟空间碎片超高速撞击防护构型过程，铝合金弹丸直径与缓冲屏厚度基本相当；
步骤二、利用多站光电探测器测得铝合金弹丸撞击速度，利用超高速序列激光阴影成像设备记录铝合金弹丸超高速撞击缓冲屏产生的二次碎片云阴影图像序列；同时获取碎片云撞击后墙的损伤样品；
步骤三、通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割，以消除噪声干扰，提取碎片云主要特征信息；
步骤四、通过对后墙损伤样品进行主动加热，并利用红外热像仪获取后墙损伤的红外热图像序列，基于变分贝叶斯多稀疏成分提取出表面可见损伤以及表面不可见损伤，通过建立多稀疏模型，并通过变分贝叶斯推断重构后墙损伤试件表面及亚表面的损伤信息，通过图像平滑和分割算法去除图像中与损伤无关的信息，并将不同损伤进行图像融合；
步骤五、将碎片云典型特征结构与后墙损伤特征融合图像进行一一对应，从而对不同缓冲屏材料的超高速撞击防护性能进行综合评价。
2.如权利要求1所述的空间碎片防护构型缓冲屏损伤评估方法，其特征在于，所述步骤一中，缓冲屏厚度与铝合金后墙厚度为毫米级。
3.如权利要求1所述的空间碎片防护构型缓冲屏损伤评估方法，其特征在于，所述步骤三中，通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割的过程包括以下步骤：
步骤Ⅰ、k＝1时，将碎片云图像通过S＝(ss,sc)表示，其中ss表示像素点的空域二维坐标信息，sc表示像素点值域的颜色信息， 初始化空间窗口大小hs和颜色窗口大小hc，其二者表示邻域的大小；终止条件ε；
Figure FDA0002050834020000011
K表示像素点数目；初始化区域最小像素点数M；
步骤Ⅱ、更新每个像素点的幅值：
Figure FDA0002050834020000021
其中
Figure FDA0002050834020000022
表示核函数，C为归一化常数；
步骤Ⅲ、当
Figure FDA0002050834020000023
时，使得
Figure FDA0002050834020000024
Z中包含平滑后图像的空间信息及颜色信息；否则k＝k+1，返回步骤Ⅱ；
步骤Ⅳ、将满足
Figure FDA0002050834020000025
的像素点合并在一起，其中，Z＝(zs,zc)；并对其进行编号使得像素点被分为Q类，其中每一类的编号为Classq，q＝1,2,...,Q；统计每一类中像素点个数为
Figure FDA0002050834020000026
如果
Figure FDA0002050834020000027
则将其与邻域合并，最终得到Q'类像素点；
求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：
Figure FDA0002050834020000028
Figure FDA0002050834020000029
表示分割后所得图像的第i个像素点幅值。
4.如权利要求1所述的空间碎片防护构型缓冲屏损伤评估方法，其特征在于，所述步骤四包括以下过程：
步骤1、将碎片云撞击后墙得到的损伤样品进行主动激励加热，利用红外热像仪记录后墙损伤样品的红外热图像视频流；将待检测视频流通过矩阵块
Figure RE-RE-FDA00021556389500000210
表示，其中NI×NJ表示空间信息，NT表示时间信息；通过向量算子Vec将矩阵块转换为二维矩阵
Figure RE-RE-FDA00021556389500000211
NIJ＝NI×NJ；即：S＝[Vec(S′(1))，...，Vec(S′(NT))]，为了重构不同的损伤信息，将视频流写为：
Figure RE-RE-FDA00021556389500000212
其中
Figure RE-RE-FDA00021556389500000213
表示表面损伤，亚表面损伤和非损伤区域的主要特征，IF(tF)，IB(tB)，IN(tN)表示特征矩阵的列向量，
Figure RE-RE-FDA00021556389500000214
和
Figure RE-RE-FDA00021556389500000215
分别表示不同区域的混合系数矩阵；λF(tF)，λB(tB)，λN(tN)表示行向量；如果将它们写为矩阵的形式，B为一个低秩矩阵；DF和DB分别表示前侧与背侧损伤信息矩阵，由于损伤在试件中仅仅占很小一部分，因此表现为稀疏性；N表示在损伤检测中噪声信息；
步骤2、为了能够同时得到后墙前表面损伤信息DF和背面损伤信息DB，采用变分贝叶斯推断对步骤1中模型进行求解；其过程包括：
步骤2.1、h＝1时，初始化矩阵Xh和Yh中每一列元素
Figure RE-RE-FDA0002155638950000031
和
Figure RE-RE-FDA0002155638950000032
分别服从均值为零，方差为σj -1的高斯分布，而且存在：
Figure RE-RE-FDA0002155638950000033
Figure RE-RE-FDA0002155638950000034
服从Gamma分布，
Figure RE-RE-FDA0002155638950000035
u和v都是超参数；
Figure RE-RE-FDA0002155638950000036
和
Figure RE-RE-FDA0002155638950000037
中每个元素
Figure RE-RE-FDA0002155638950000038
和
Figure RE-RE-FDA0002155638950000039
分别独立同分布于均值为零，方差分别为
Figure RE-RE-FDA00021556389500000310
和
Figure RE-RE-FDA00021556389500000311
的高斯分布；其中，
Figure RE-RE-FDA00021556389500000312
和
Figure RE-RE-FDA00021556389500000313
分别服从Jeffrey’s先验：
Figure RE-RE-FDA00021556389500000314
Nh为高斯白噪声，其服从均值为零，方差为ηh的高斯分布，其中ηh服从Jeffrey’s先验：
Figure RE-RE-FDA00021556389500000315
设置最大迭代次数为H；
步骤2.2、通过如下公式迭代每个参数的值(h＝h+1)：
Figure RE-RE-FDA00021556389500000316
Figure RE-RE-FDA00021556389500000317
Figure RE-RE-FDA00021556389500000318
Figure RE-RE-FDA00021556389500000319
Figure RE-RE-FDA00021556389500000320
Figure RE-RE-FDA00021556389500000321
Figure RE-RE-FDA00021556389500000322
Figure RE-RE-FDA00021556389500000323
其中，<·>表示期望；
Figure RE-RE-FDA00021556389500000324
分别表示矩阵Xh，Yh的第i行和第j行；
Figure RE-RE-FDA0002155638950000041
分别为矩阵Xh，Yh的协方差矩阵；
Figure RE-RE-FDA0002155638950000042
Figure RE-RE-FDA0002155638950000043
分别表示前表面损伤信息矩阵
Figure RE-RE-FDA0002155638950000044
和背面损伤信息矩阵
Figure RE-RE-FDA0002155638950000045
的协方差矩阵；
步骤2.3、h＝h+1，当h≤H时，返回步骤2.2；否则，得到最终的低秩矩阵
Figure RE-RE-FDA0002155638950000046
和
Figure RE-RE-FDA0002155638950000047
将
Figure RE-RE-FDA0002155638950000048
和
Figure RE-RE-FDA0002155638950000049
中每一列表示为各自区域的损伤图像，选择对比度最强烈的图像得到前表面和背面损伤情况图像
Figure RE-RE-FDA00021556389500000410
和
Figure RE-RE-FDA00021556389500000411
步骤3、其包括以下过程：
3.1、k＝1时，通过S＝(ss,sc)表示SF和SB中的任意一个图像，其中ss表示像素点的空域二维坐标信息，sc表示像素点的颜色信息，因为本文中处理图像为彩色图像，因此有三个通道；初始化空间窗口大小hs和颜色窗口大小hc，其二者表示邻域的大小；终止条件ε，
Figure RE-RE-FDA00021556389500000412
i＝1,2,...,NIJ；初始化区域最小像素点数M；
3.2、更新每个像素点的幅值：
Figure RE-RE-FDA00021556389500000413
其中
Figure RE-RE-FDA00021556389500000414
表示核函数，C为归一化常数；
3.3、当
Figure RE-RE-FDA00021556389500000415
时，使得
Figure RE-RE-FDA00021556389500000416
Z中包含平滑后图像的空间信息及颜色信息， 否则k＝k+1，返回步骤2.2；直到所有像素点都计算完成；
3.4、将满足||jzs-izs||＜hs，||jzc-izc||＜hc，i,j＝1,2,...,NIJ的像素点合并在一起，并对其进行编号使得像素点被分为Q类，其中每一类的编号为Cq，q＝1,2,...,Q， 统计每一类中像素点个数为
Figure RE-RE-FDA00021556389500000417
如果
Figure RE-RE-FDA00021556389500000418
则将其与邻域合并，最终得到Q'类像素点；
3.5、求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：
Figure RE-RE-FDA0002155638950000051
Figure RE-RE-FDA0002155638950000052
表示分割后所得图像的第i个像素点幅值；最终得到分割后图像
Figure RE-RE-FDA0002155638950000053
步骤4、具体包括：
4.1、t＝1时，初始化低频子带
Figure RE-RE-FDA0002155638950000054
低通滤波器fl，高通滤波器fh；最大变换次数T；
4.2、对图像进行行变换，
Figure RE-RE-FDA0002155638950000055
Figure RE-RE-FDA0002155638950000056
其中
Figure RE-RE-FDA0002155638950000057
进而存在行变换后的图像:
Figure RE-RE-FDA0002155638950000058
对
Figure RE-RE-FDA0002155638950000059
和
Figure RE-RE-FDA00021556389500000510
进行列下采样，得到
Figure RE-RE-FDA00021556389500000511
4.3、对图像进行列变换，
Figure RE-RE-FDA00021556389500000512
Figure RE-RE-FDA00021556389500000513
其中，
Figure RE-RE-FDA00021556389500000514
进而得到变换后的图像：
Figure RE-RE-FDA00021556389500000515
分别对
Figure RE-RE-FDA00021556389500000516
进行列下采样，得到
Figure RE-RE-FDA00021556389500000517
二者中分别包含了一部分低频子带
Figure RE-RE-FDA00021556389500000518
和三部分高频子带
Figure RE-RE-FDA00021556389500000519
4.4、t＝t+1，直到t＞T，否则返回步骤4.2；
4.5、tt＝T时，初始化
Figure RE-RE-FDA00021556389500000520
lRtt表示融合后的低频子带，a和b表示融合系数，满足a+b＝1；
4.6、
Figure RE-RE-FDA00021556389500000521
hRtt表示融合后的高频子带，lRtt和hRtt组成图像
Figure RE-RE-FDA00021556389500000522
4.7、对Rtt的行进行上采样得到
Figure RE-RE-FDA00021556389500000523
然后对其列进行变换
Figure RE-RE-FDA00021556389500000524
Figure RE-RE-FDA00021556389500000525
最终得到图像
Figure RE-RE-FDA00021556389500000526
其中
Figure RE-RE-FDA00021556389500000527
和
Figure RE-RE-FDA00021556389500000528
表示逆变换；相同的，对
Figure RE-RE-FDA00021556389500000529
的列进行上采样得到
Figure RE-RE-FDA00021556389500000530
然后对其行进行变换
Figure RE-RE-FDA00021556389500000531
Figure RE-RE-FDA00021556389500000532
最终由
Figure RE-RE-FDA00021556389500000533
得到图像lRtt-1；
4.8、tt＝tt-1，直到tt＜1时，得到最终融合图像R＝lR0；否则，返回步骤4.6。
5.如权利要求1所述的空间碎片防护构型缓冲屏损伤评估方法，其特征在于，所述步骤五中的过程为：根据最终得到的碎片云撞击后墙多类型损伤的红外融合图像，可以同时分辨出后墙中心穿孔、中心层裂剥离区域、中心密集撞击坑区域、外围散布撞击坑区域等，测量出上述典型损伤的位置和尺寸，并将其与前述碎片云结构特征和运动轨迹进行分析，就可以将碎片云特征及其对后墙不同的撞击损伤模式一一对应，从而对不同缓冲屏材料的超高速撞击防护性能进行综合评价。
CN201910373517.8A 2019-05-07 2019-05-07 一种空间碎片防护构型缓冲屏损伤评估方法 Active CN110294147B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910373517.8A CN110294147B (zh) 2019-05-07 2019-05-07 一种空间碎片防护构型缓冲屏损伤评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910373517.8A CN110294147B (zh) 2019-05-07 2019-05-07 一种空间碎片防护构型缓冲屏损伤评估方法

Publications (2)

Publication Number Publication Date
CN110294147A CN110294147A (zh) 2019-10-01
CN110294147B true CN110294147B (zh) 2020-07-28

Family

ID=68026606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910373517.8A Active CN110294147B (zh) 2019-05-07 2019-05-07 一种空间碎片防护构型缓冲屏损伤评估方法

Country Status (1)

Country Link
CN (1) CN110294147B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132802B (zh) * 2020-05-27 2022-06-14 电子科技大学 一种基于自学习拼接算法的航天器撞击损伤检测方法
CN111652252B (zh) * 2020-06-11 2022-11-11 中国空气动力研究与发展中心超高速空气动力研究所 一种基于集成学习的超高速撞击损伤的定量识别方法
CN112016628B (zh) * 2020-09-04 2022-05-06 中国空气动力研究与发展中心超高速空气动力研究所 一种基于动态多目标预测的空间碎片撞击损伤判读方法
CN112215830B (zh) * 2020-10-21 2022-03-04 中国空气动力研究与发展中心超高速空气动力研究所 一种航天防热材料撞击损伤特征类型判读方法
CN112233099B (zh) * 2020-10-21 2022-03-25 中国空气动力研究与发展中心超高速空气动力研究所 一种可重复使用航天器表面撞击损伤特征识别方法
CN115180184B (zh) * 2022-08-08 2024-07-16 中国空气动力研究与发展中心超高速空气动力研究所 一种填充式防护构型

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105109709A (zh) * 2015-08-25 2015-12-02 中国人民解放军国防科学技术大学 一种防隔热/防护一体化空间碎片防护结构及其应用
CN108665420A (zh) * 2017-03-31 2018-10-16 西安电子科技大学 基于变分贝叶斯模型的红外弱小目标图像背景抑制方法
CN109100718A (zh) * 2018-07-10 2018-12-28 中国人民解放军国防科技大学 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法
CN109455315A (zh) * 2018-09-28 2019-03-12 北京空间机电研究所 一种空间碎片及弹丸拦阻防护装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7106215B2 (en) * 2004-02-10 2006-09-12 Marishak Jr Frank Ted Device for monitoring the integrity of spacecraft thermal protection tiles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105109709A (zh) * 2015-08-25 2015-12-02 中国人民解放军国防科学技术大学 一种防隔热/防护一体化空间碎片防护结构及其应用
CN108665420A (zh) * 2017-03-31 2018-10-16 西安电子科技大学 基于变分贝叶斯模型的红外弱小目标图像背景抑制方法
CN109100718A (zh) * 2018-07-10 2018-12-28 中国人民解放军国防科技大学 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法
CN109455315A (zh) * 2018-09-28 2019-03-12 北京空间机电研究所 一种空间碎片及弹丸拦阻防护装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
变分贝叶斯分解算法在红外无损检测中的应用研究;鲁鹏;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20180815(第8期);B020-11 *
空间碎片防护研究现状与国内发展建议;龚自正等;《航天器环境工程》;20100228;第27卷(第1期);第24-31页 *

Also Published As

Publication number Publication date
CN110294147A (zh) 2019-10-01

Similar Documents

Publication Publication Date Title
CN110294147B (zh) 一种空间碎片防护构型缓冲屏损伤评估方法
CN109948693A (zh) 基于超像素样本扩充和生成对抗网络高光谱图像分类方法
CN112818822B (zh) 一种航空航天复合材料损伤区域自动识别方法
CN112819775A (zh) 一种航空航天复合材料损伤检测图像的分割强化方法
CN107895139A (zh) 一种基于多特征融合的sar图像目标识别方法
CN110298061B (zh) 一种多损伤特征重构的空间碎片防护构型损伤评估方法
Mumtaz et al. Computer aided visual inspection of aircraft surfaces
Yari et al. Smart tracking of internal layers of ice in radar data via multi-scale learning
CN106228130A (zh) 基于模糊自编码网络的遥感影像云检测方法
Picard et al. Deep learning-assisted classification of site-resolved quantum gas microscope images
CN110673138A (zh) 一种基于奇异值分解和模糊c均值法的探地雷达图像处理方法
CN109949256A (zh) 一种基于傅里叶变换的天文图像融合方法
CN110211103B (zh) 基于红外热成像的信息熵加性模糊缺陷特征分析重构方法
Malm et al. Papsynth: simulated bright-field images of cervical smears
CN110222740B (zh) 一种基于加性模糊的红外技术缺陷重构与特征提取方法
CN111275680B (zh) 基于Gabor卷积网络的SAR图像变化检测方法
Pérez-Suárez et al. Automated solar feature detection for space weather applications
CN112764005A (zh) 一种结合形态学滤波的Gm-APD激光雷达低信噪比回波数据重构方法
CN107871123B (zh) 一种逆合成孔径雷达空间目标分类方法及系统
CN113807206B (zh) 一种基于去噪任务辅助的sar图像目标识别方法
Sher et al. Detecting and extracting compact textured regions using pyramids
Tian et al. A Tracking Algorithm for Debris Cloud Fragments Produced by Different Hypervelocity Impacts Through Image Processing
CN110223274B (zh) 一种基于乘性模糊的红外技术缺陷重构与特征提取方法
CN112906713B (zh) 一种航空航天复合材料损伤可视化特征提取方法
Kim et al. Texture analysis and artificial neural network for detection of clustered microcalcifications on mammograms

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant